NVIDIA/physicsnemo

解决的问题

PhysicsNeMo 为物理机器学习（Physics ML）和科学机器学习（SciML）提供了一个标准化的 PyTorch 框架。它通过提供可重用组件和端到端的训练配方，解决了在科学与工程领域构建、训练和扩展 AI 模型的困难，适用于复杂的物理领域。

如何工作

PhysicsNeMo 作为原生 PyTorch 库构建，允许用户将科学层、数值算子和数据转换集成到现有工作流中。它支持多种科学数据表示形式，包括规则网格、网格、点云和图。为处理高分辨率样本，它结合使用 ShardTensor 域并行性与标准 PyTorch 分布式训练（DDP 和 FSDP2）。

适用人群

适用于需要为物理系统构建 AI 代理模型或生成模型的航空航天、气象预报、结构力学、地球物理学、医疗健康（如心血管流体）、增材制造等领域的研究人员和工程师。

主要亮点

• 广泛的模型支持：包含 FNO、MeshGraphNet、Transolver 和 GraphCast 等多种模型家族，适用于不同数据表示形式。
• 领域专用配方：提供外部气动、区域气象扩散、车辆碰撞动力学等任务的即用型工作流。
• 科学数据处理：原生支持结构化和非结构化离散化，保留数据的物理结构。
• 生成能力：包含用于逆物理和拓扑优化的扩散工具包。